論文の概要: StreamMapNet: Streaming Mapping Network for Vectorized Online HD Map
Construction
- arxiv url: http://arxiv.org/abs/2308.12570v1
- Date: Thu, 24 Aug 2023 05:22:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-25 15:17:51.656455
- Title: StreamMapNet: Streaming Mapping Network for Vectorized Online HD Map
Construction
- Title（参考訳）: StreamMapNet: ベクトル化オンラインHDマップ構築のためのストリーミングマッピングネットワーク
- Authors: Tianyuan Yuan, Yicheng Liu, Yue Wang, Yilun Wang, Hang Zhao
- Abstract要約: 本稿では,ビデオの時系列時間的モデリングに適応した新しいオンラインマッピングパイプラインであるStreamMapNetを紹介する。
StreamMapNetは、高安定性の大規模ローカルHDマップの構築を支援するマルチポイントアテンションと時間情報を利用する。
オンラインHD Map構築ベンチマークとデータセットであるArgoverse2とnuScenesについて批判的に検討し、既存の評価プロトコルに有意な偏りがあることを明らかにした。
- 参考スコア（独自算出の注目度）: 36.1596833523566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-Definition (HD) maps are essential for the safety of autonomous driving
systems. While existing techniques employ camera images and onboard sensors to
generate vectorized high-precision maps, they are constrained by their reliance
on single-frame input. This approach limits their stability and performance in
complex scenarios such as occlusions, largely due to the absence of temporal
information. Moreover, their performance diminishes when applied to broader
perception ranges. In this paper, we present StreamMapNet, a novel online
mapping pipeline adept at long-sequence temporal modeling of videos.
StreamMapNet employs multi-point attention and temporal information which
empowers the construction of large-range local HD maps with high stability and
further addresses the limitations of existing methods. Furthermore, we
critically examine widely used online HD Map construction benchmark and
datasets, Argoverse2 and nuScenes, revealing significant bias in the existing
evaluation protocols. We propose to resplit the benchmarks according to
geographical spans, promoting fair and precise evaluations. Experimental
results validate that StreamMapNet significantly outperforms existing methods
across all settings while maintaining an online inference speed of $14.2$ FPS.
- Abstract（参考訳）: 高精細(HD)マップは自動運転システムの安全性に不可欠である。
既存の技術では、カメラ画像とオンボードセンサーを使ってベクトル化された高精度マップを生成するが、それらはシングルフレーム入力に依存している。
このアプローチは、主に時間情報の欠如により、閉塞のような複雑なシナリオにおける安定性と性能を制限する。
さらに、より広い知覚範囲に適用すると、その性能は低下する。
本稿では,ビデオの時系列時間的モデリングに適応した新しいオンラインマッピングパイプラインStreamMapNetを提案する。
StreamMapNetはマルチポイントアテンションと時間情報を利用して、安定性の高い大規模ローカルHDマップの構築を可能にし、既存のメソッドの制限に対処する。
さらに,オンラインHDマップ構築ベンチマークとデータセットであるArgoverse2とnuScenesについて批判的に検討し,既存の評価プロトコルに有意な偏りがあることを明らかにする。
我々は,地理的スパンに応じてベンチマークを分割し,公平かつ正確な評価を促進することを提案する。
実験の結果、streammapnetはすべての設定で既存のメソッドを大きく上回り、オンライン推論速度は14.2$ fpsである。
関連論文リスト
- Accelerating Online Mapping and Behavior Prediction via Direct BEV Feature Attention [30.190497345299004]
本稿では,オンライン地図推定手法の豊富な内部的特徴を明らかにするとともに,オンライン地図と軌跡予測をより緊密に統合する方法について述べる。
これにより、内部のBEV機能に直接アクセスすると、推論速度が最大73%速くなり、実際のnuScenesデータセット上では最大29%の正確な予測が得られます。
論文 参考訳（メタデータ） (2024-07-09T08:59:27Z) - Stream Query Denoising for Vectorized HD Map Construction [32.91824536697469]
本稿では,HDマップ構築における時間的モデリングのための新しいアプローチとして,ストリームクエリデノイング(SQD)戦略を紹介する。
提案手法は,前フレームからの地中真実情報に雑音を加えることによって摂動された問合せを識別することを含む。
これにより,ストリームクエリに固有の予測プロセスをシミュレートする。
論文 参考訳（メタデータ） (2024-01-17T10:26:17Z) - Augmenting Lane Perception and Topology Understanding with Standard
Definition Navigation Maps [51.24861159115138]
Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。
本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。
この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
論文 参考訳（メタデータ） (2023-11-07T15:42:22Z) - ScalableMap: Scalable Map Learning for Online Long-Range Vectorized HD
Map Construction [42.874195888422584]
オンライン長範囲ベクトル化ハイデフィニション(HD)マップ構築のための,オンボードカメラセンサを用いた新しいエンドツーエンドパイプラインを提案する。
地図要素の特性を利用して地図構築の性能を向上させる。
論文 参考訳（メタデータ） (2023-10-20T09:46:24Z) - InsMapper: Exploring Inner-instance Information for Vectorized HD
Mapping [41.59891369655983]
InsMapperは、トランスフォーマーによるベクトル化された高精細マッピングのインナーインスタンス情報を利用する。
InsMapperは従来の最先端の手法を超越し、その有効性と汎用性を示している。
論文 参考訳（メタデータ） (2023-08-16T17:58:28Z) - Prior Based Online Lane Graph Extraction from Single Onboard Camera
Image [133.68032636906133]
単眼カメラ画像からレーングラフをオンラインに推定する。
前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。
オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
論文 参考訳（メタデータ） (2023-07-25T08:58:26Z) - HDMapNet: An Online HD Map Construction and Evaluation Framework [23.19001503634617]
HDマップの構築は自動運転にとって重要な問題である。
従来のHDマップは、多くのシナリオでは信頼性の低いセンチメートルレベルの正確な位置決めと結合している。
オンライン地図学習は、自動運転車に先立って意味と幾何学を提供するための、よりスケーラブルな方法である。
論文 参考訳（メタデータ） (2021-07-13T18:06:46Z) - HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。
実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。
高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
論文 参考訳（メタデータ） (2021-06-28T17:59:30Z) - MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。
提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文 参考訳（メタデータ） (2021-01-18T00:09:30Z) - HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。
我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。
地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文 参考訳（メタデータ） (2020-12-21T21:59:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。